Un analista de empleo estudia las tendencias del empleo en tres sectores industriales durante cinco años (60 meses). El analista realiza un ARIMA para ajustar un modelo para la industria del comercio.

  1. Abra los datos de muestra, TendenciasEmpleo.MTW.
  2. Elija Estadísticas > Series de tiempo > ARIMA.
  3. En Serie, ingrese Comercio.
  4. En Autorregresivo, en No estacional, ingrese 1.
  5. Haga clic en Gráficas y, a continuación, seleccione ACF de residuos.
  6. Haga clic en Aceptar.

Interpretar los resultados

El término de promedio móvil tiene un valor p que es menor que el nivel de significancia de 0.05. El analista concluye que el coeficiente del término de promedio móvil es estadísticamente diferente de 0 y mantiene el término en el modelo. Todos los valores p de los estadísticos chi-cuadrado de Ljung-Box son mayores que 0.05 y ninguna de las correlaciones correspondientes a la función de autocorrelación de los residuos es significativa. El analista concluye que el modelo satisface el supuesto de que los residuos son independientes.

Modelo ARIMA: Comercio

Estimaciones en cada iteración Iteración SSE Parámetros 0 543.908 0.100 90.090 1 467.180 -0.050 105.068 2 412.206 -0.200 120.046 3 378.980 -0.350 135.024 4 367.545 -0.494 149.372 5 367.492 -0.503 150.341 6 367.492 -0.504 150.410 7 367.492 -0.504 150.415 El cambio relativo en cada estimación es menor que 0.001
Estimaciones finales de los parámetros Tipo Coef SE Coef Valor T Valor p AR 1 -0.504 0.114 -4.42 0.000 Constante 150.415 0.325 463.34 0.000 Media 100.000 0.216

Número de observaciones: 60

Sumas de los cuadrados de los residuos GL SC MC 58 366.733 6.32299 Se excluyeron los pronósticos retrospectivos
Estadístico de chi-cuadrada modificado de Box-Pierce (Ljung-Box) Desfase 12 24 36 48 Chi-cuadrada 4.05 12.13 25.62 32.09 GL 10 22 34 46 Valor p 0.945 0.955 0.849 0.940
Al utilizar este sitio, usted acepta el uso de cookies para efectos de análisis y contenido personalizado.  Leer nuestra política